IUTEPAL SISTEMAS EXPERTO

1. REPŬBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD PEDAGOGICA EXPERIMENTAL
´´JUAN PABLO PEREZ ALFONZO ´´
CABIMAS - ZULIA
BACHILLER : JOSE LAMEDA
C.I 27.511.190
PROFESOR: ANGEL LUGO
CABIMAS, 28 DE ABRIL DEL 2020
SISTEMAS EXPERTO

2. Sistemas expertos :
Es un sistema de información basado en el conocimiento que usa su
conocimiento de un área de aplicación compleja y específica a fin de
actuar como un consultor experto para los usuarios finales. Los
sistemas expertos proporcionan respuestas sobre un área
problemática muy específica al hacer inferencias semejantes a las
humanas sobre los conocimientos obtenidos en una base de
conocimientos especializados.
Es una rama de la Inteligencia artificial; son sistemas informáticos que
simulan el proceso de
aprendizaje, de memorización, de razonamiento, de comunicación y de
acción en consecuencia de un experto humano en cualquier rama de la
ciencia.

3. Características:
Para que un sistema actúe como un verdadero experto, es deseable que reúna, en lo
posible, lo más importante de las características de un experto humano, esto es:
• Habilidad para adquirir conocimiento.
• Fiabilidad, para poder confiar en sus resultados o apreciaciones.
• Solidez en el dominio de su conocimiento.
• Capacidad para resolver problemas.
Dada la complejidad de los problemas que usualmente tiene que resolver un sistema
experto , puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por
este motivo, es una condición indispensable que un sistema experto sea capaz de explicar
su proceso de razonamiento o dar razón del por qué solicita tal o cual información .
Estas características le permiten almacenar datos y conocimiento, sacar conclusiones
lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse
con expertos humanos, explicar el por qué de las decisiones tomadas y realizar acciones
como consecuencia de todo lo anterior. Técnicamente un sistema experto, contiene una
base de conocimientos que incluye la experiencia acumulada de expertos humanos y un
conjunto de reglas para aplicar ésta base de conocimientos en una situación particular que
se le indica al programa. Cada vez el sistema se mejora con adiciones a la base de
conocimientos o al conjunto de reglas.

4. ¿Por qué utilizar un sistema experto?
Con su ayuda, personas con poca experiencia pueden resolver problemas
que requieren un "conocimiento formal especializado". Se pueden obtener
conclusiones y resolver problemas de forma más rápida que los expertos
humanos. Estos sistemas razonan pero en base a un conocimiento adquirido
y no tienen sitio para la subjetividad. Se ha comprobado que tienen al
menos, la misma competencia que un especialista humano.
Su uso es especialmente recomendado en las siguientes situaciones:
Cuando los expertos humanos en una determinada materia son escasos.
En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
Cuando es muy elevado el volumen de datos que ha de considerarse para
obtener una conclusión.

5. Desventajas
• Tienen una noción muy limitada acerca del contexto de
problema, i.e. no pueden percibir todas las cosas que un
experto humano puede apreciar de un situación.
• Pueden existir decisiones que sólo son de competencia
para un ser humano y no una máquina.
• No saben como subsanar sus limitaciones, e.g. no son
capaces de trabajar en equipo o investigar algo nuevo.
• Son muy costosos de desarrollar y mantener.
Ventajas
• Producción y productividad mayores. Pueden trabajar más rápido que lo humanos.
Están disponibles ininterrumpidamente de día y noche, ofreciendo siempre su
máximo desempeño. Pueden duplicarse ilimitadamente, i.e. tener tantos de ellos
como se requieran.
• Mayor calidad: Dan la probabilidad de aumentar la calidad proporcionando
asesoría consistente y reduciendo las tasas de error.
• Operación en entornos peligrosos. Muchas tareas requieren que los seres humanos
operen en entornos hostiles y peligrosos.

6. Tipos de sistemas expertos:
Existen tres tipos de sistemas expertos:
• Basados en reglas: Aplicando reglas heurísticas apoyadas
generalmente en lógica difusa para su evaluación y aplicación.
• Basados en casos CBR (Case Based Reasoning): Aplicando el
razonamiento basado en casos, donde la solución a un problema
similar planteado con anterioridad se adapta al nuevo problema.
• Basados en redes: Aplicando redes bayesianas, basadas en estadística
y el teorema de Bayes.
Componentes de un sistema experto:
• Separan conocimientos (reglas y hechos) y el procesamiento; se le añade un interface de usuario
y un componente explicativo; los siguiente componentes pueden estar estructurados de formas
muy variadas.
• Base de conocimientos: Contiene el conocimiento de los hechos y las experiencias de los
expertos en un dominio determinado
• Mecanismo de inferencia: Puede simular la estrategia de solución de un experto
• Componente explicativo: Explica al usuario la estrategia de solución encontrada y el por qué de
las decisiones tomadas
• Interface de usuario: Sirve para que este pueda realizar una consulta en un lenguaje lo más
natural posible
• Componente de adquisición: Ofrece ayuda a la estructuración e implementación del
conocimiento en la base de conocimientos

7. Ejemplos de sistemas expertos:
Existen muchos ejemplos de sistemas expertos, pero compartimos algunos a
continuación:
MYCIN: es uno de los primeros sistemas expertos basados ​​en el encadenamiento hacia
atrás.
Este sistema es capaz de identificar varias bacterias que pueden causar infecciones agudas
y también puede recomendar medicamentos según el peso del paciente.
DENDRAL: es un sistema experto basado en inteligencia artificial utilizado para el análisis
químico.
El sistema puede predecir la estructura molecular, basado en los datos espectrográficos de
una sustancia.
R1 / XCON: es usado en el campo de la informática. Es capaz de seleccionar un software
específico para generar un sistema informático a gusto del usuario.
PXDES: es un gran sistema para la medicina moderna. Puede determinar fácilmente el tipo
y el grado de cáncer de pulmón en un paciente a través de un análisis de datos.
CaDet: también es un sistema de apoyo clínico que podría identificar el cáncer en etapas
tempranas.
DXplain: otro sistema de apoyo clínico, pero en este caso, tiene la capacidad de sugerir
una variedad de enfermedades según los hallazgos del médico.